- name
- walter-product-research
- version
- 1.0.0
- description
- 亚马逊选品调研 - 回答"能不能做"的问题。快速扫描→市场分析→利润测算→竞品发现→风险评估,输出GO/NO-GO决策报告。
亚马逊选品调研
核心问题
"我这个想法能不能做?"
用户交互
输入
用户: "我想做沙滩裤"
用户: "women active shorts能不能做"
用户: "分析下这个市场"输出
[选品调研报告]
[Decision] GO / CAUTION / NO-GO
[Score] 72/100
├─ 市场容量: 640,240 units/月
├─ 竞争程度: CR3=63% (高)
├─ 市场趋势: +8.5%/月 (上升)
├─ 利润空间: $2.08/unit (8.3%)
└─ 风险提示: 高品牌集中度
[详细报告] [竞品分析] [生成Listing]分析流程
Step 1: 快速扫描 (30秒)
- 机会评分 (0-100)
- 市场容量评估
- 竞争程度评估
- 趋势判断
Step 2: 市场分析
- 品牌集中度 (CR3/CR5)
- 价格带分布
- 头部玩家分析
Step 3: 利润测算
- 定价建议
- 成本结构分解
- 利润优化场景
Step 4: 竞品发现
- Top 5 竞品
- 各竞品基础数据
- 差异化机会
Step 5: 风险评估
- 高风险因素
- 中风险因素
- 进入建议
技术实现
class ProductResearch:
def analyze(self, keyword: str, price: float = None, cost: float = None) -> Dict:
"""
选品调研完整流程
"""
# 1. 快速扫描
scan = self.quick_scan(keyword)
# 2. 市场分析
market = self.analyze_market(scan['node_id'])
# 3. 利润测算
profit = self.calculate_profit(price, cost)
# 4. 竞品发现
competitors = self.discover_competitors(keyword)
# 5. 风险评估
risks = self.assess_risks(scan, market)
return {
'decision': scan['recommendation'],
'score': scan['score'],
'market': market,
'profit': profit,
'competitors': competitors,
'risks': risks
}依赖
unified_data_layer_v2.py- 统一数据层sellersprite_mcp.py- MCP客户端- SellerSprite API access
版本
V1 - 2026-04-13
- 第一版发布
- 场景: 选品调研